近年來(lái)，檢測(cè)欺詐和欺騙行為已成為食品行業(yè)和檢驗(yàn)機(jī)構(gòu)的主要優(yōu)先事項(xiàng)。本研究的目的是研究多光譜成像結(jié)合數(shù)據(jù)分析方法檢測(cè)摻有馬肉的碎牛肉的潛力，以及探索冷藏條件下儲(chǔ)存期間的模型性能。為此，我們采集了三批不同批次的碎牛肉和馬肉的110個(gè)樣品的 18 個(gè)波長(zhǎng)的多光譜圖像。將樣品在4C下儲(chǔ)存 6、24 和 48 小時(shí)后再次拍攝圖像。開(kāi)發(fā)了基于前兩批的分類(lèi)模型（偏最小二乘判別分析、隨機(jī)森林、支持向量機(jī)），而第三批留作外部/獨(dú)立驗(yàn)證。結(jié)果表明，新鮮研磨和儲(chǔ)存的樣品可以清楚地區(qū)分，而用于檢測(cè)摻假樣品的分類(lèi)模型性能受到儲(chǔ)存期間肉色變化的顯著影響。然而，使用兩步?SVM 模型，所有純樣品和新鮮磨碎的樣品都被正確分類(lèi)，獨(dú)立批次驗(yàn)證的總體正確分類(lèi)率為 95.31%。

如圖1所示，純馬肉（a）和純牛肉（b）樣品在儲(chǔ)存6、24和48小時(shí)前后的18個(gè)波長(zhǎng)的平均反射率值。很明顯，雖然儲(chǔ)存的樣品更難區(qū)分，但新鮮研磨的樣品很容易區(qū)分。此外，第 1 批的主成分（PC）1 和 3 的 PCA 分?jǐn)?shù)如圖 1 所示。 3. 確實(shí)，PC1 與PC3 分?jǐn)?shù)顯示了純與純的明顯分離。摻假樣品。純牛肉和馬肉樣本位于地塊的右上角，雖然它們看起來(lái)很封閉，但在 PC2 與PC5 圖（補(bǔ)充，圖 1）。此外，不同程度的摻假很容易區(qū)分，只有相鄰的類(lèi)別有時(shí)重疊。這些結(jié)果與對(duì)脂肪樣品的拉曼光譜進(jìn)行的 PCA 分析非常一致，在不同摻假水平之間有 25% 的臺(tái)階，其中不同類(lèi)別在 PC1 與PC2 圖。它們也與實(shí)施相同實(shí)驗(yàn)設(shè)計(jì)（10% 步驟）的豬肉摻假情況下的結(jié)果一致。然而，應(yīng)該注意的是，雖然在后兩種情況下，使用前兩種成分的差異很明顯，因此解釋了具有最高方差的 PC (%)，但在 b1 數(shù)據(jù)中情況并非如此。

事實(shí)上，PC 1 與3 和 PC 2 對(duì)比圖 3（補(bǔ)充，圖 2）顯示出比 PC1 與 PC1 更高的辨別力。 PC2（補(bǔ)充，圖 3），特別是在區(qū)分純樣本和摻假樣本的情況下，表示數(shù)據(jù)集之間存在顯著差異。

PLS-DA 在新鮮研磨與新鮮研磨的情況下產(chǎn)生 66.41% 的 OCC。儲(chǔ)存的肉類(lèi)樣品，但只有一個(gè)新鮮研磨的樣品被錯(cuò)誤分類(lèi)為儲(chǔ)存的。此外，當(dāng)每次交叉驗(yàn)證迭代中包含在訓(xùn)練集中的觀(guān)察比例設(shè)置為 0.2 時(shí)，結(jié)果得到改善，平均每類(lèi)召回率（靈敏度）和精度分別為 89.06% 和 81.00%（補(bǔ)充表 1） .雖然這可能意味著應(yīng)該使用另一種方法，但以前的模型缺乏泛化也可能歸因于由于代表性訓(xùn)練樣本不足而導(dǎo)致的過(guò)度擬合。事實(shí)上，b1 和 b2 數(shù)據(jù)集包括兩批新鮮研磨的樣品，但只有一批冷藏條件下的儲(chǔ)存樣品。這可能導(dǎo)致缺乏足夠的摻假檢測(cè)數(shù)據(jù)。然而，后一種?PLS-DA 模型的改進(jìn)結(jié)果和 b2 的 PCA 分?jǐn)?shù)（圖 4）表明，數(shù)據(jù)對(duì)于“新鮮地面 vs.存儲(chǔ)的”分類(lèi)問(wèn)題，可能還有“新鮮的和純的vs.其他樣品。